远程医疗强化哮喘管理——联合青少年医疗服务提供者(TEAM-UP for Teens)
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘,尤其是低收入少数族裔青少年哮喘患者。源站描述指出该群体哮喘发病率与急诊、住院及死亡风险偏高,且尽管指南明确,治疗不足仍常见

基本信息
资源简介
远程医疗强化哮喘管理——联合青少年医疗服务提供者(TEAM-UP for Teens)
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘,尤其是低收入少数族裔青少年哮喘患者。源站描述指出该群体哮喘发病率与急诊、住院及死亡风险偏高,且尽管指南明确,治疗不足仍常见。研究旨在测试一种适合青少年发展、可扩展的照护模式,确保城市中哮喘难以控制的青少年获得基于指南的最佳治疗。TEAM-UP for Teens 项目包含三个核心组成部分,包括学年开始时通过实时同步的学校远程医疗就诊制定个体化哮喘管理计划,以及学校为基础或视频支持的直接观察治疗。数据可用于哮喘管理、远程医疗干预与儿童呼吸健康相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童哮喘。低收入少数族裔青少年哮喘发病率过高,包括急诊就诊、住院和哮喘死亡风险增加。尽管指南已明确确立,哮喘治疗不足仍很常见,尤其是贫困城市青少年。本研究旨在测试一种新颖、适合发育且可扩展的照护模式,以确保对哮喘难以控制的城市青少年提供基于指南的最佳治疗。远程医疗强化哮喘管理——联合青少年医疗服务提供者(TEAM-UP for Teens)项目包括3个核心组成部分:1- 在学年开始时通过实时、同步的学校远程医疗就诊制定个体化哮喘管理计划,直接将青少年与哮喘专科医生连接;2- 学校为基础或视频支持的直接观察治疗(
【主题与分类】
主题标签:Asthma in Children。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04089046
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT04089046
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件:儿童哮喘。低收入少数族裔青少年哮喘发病率显著偏高,包括急诊就诊、住院和哮喘死亡风险增加。尽管已有完善的指南,哮喘治疗不足仍很常见,尤其是贫困的城市青少年。本研究旨在检验一种新颖、符合发育特点且可扩展的照护模式,以确保为难以控制哮喘的城市青少年提供基于指南的最佳治疗。远程医疗强化哮喘管理——为青少年联合提供者(TEAM-UP for Teens)项目包括3个核心组成部分:1- 在学年开始时通过实时同步的学校远程医疗访视制定个体化哮喘管理计划,直接将青少年与哮喘专科医生连接;2- 学校为基础或视频支持的直接观察治疗(DOT),以实施用药计划并让青少年体验持续治疗带来的益处;3- 与护士哮喘教育者进行远程健康随访,以促进持续照护并提供符合发育特点的自我管理支持。
本研究是一项随机试验,比较TEAM-UP for Teens与强化照护(EC)对照组(n=360,12-16岁)。我们将评估该项目在降低发病率及改善基于指南的哮喘照护方面的有效性。我们的主要假设是,接受TEAM-UP for Teens干预的青少年在3、5、7和12个月时相比EC组将拥有更多无症状天数。我们将评估若干次要结局,包括其他临床结局、功能结局、气道炎症,以及特定照护措施的接受情况,包括药物调整和其他合并症的治疗。我们还将识别干预效果的潜在中介因素和调节因素,并评估干预实施过程。在研究完成时,该项目将更明确地界定为一种可持续的改善手段
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




